最新的Microsoft Designing and Implementing a Microsoft Azure AI Solution (AI-102日本語版) - AI-102日本語免費考試真題
発信者の母国語で応答できる自動通話処理システムを開発する必要があります。このシステムはフランス語と英語のみをサポートします。
各要件を満たすには、どのAzure Cognitive Servicesサービスを使用すべきでしょうか？ 適切なサービスを正しい要件にドラッグしてください。各サービスは、1回、複数回、またはまったく使用されない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。
注意: 正しい選択ごとに 1 ポイントが付与されます。
各要件を満たすには、どのAzure Cognitive Servicesサービスを使用すべきでしょうか？ 適切なサービスを正しい要件にドラッグしてください。各サービスは、1回、複数回、またはまったく使用されない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正確答案:
Explanation:
Detect the incoming language:
Service: Speech to Text
Reasoning: The Speech to Text service can transcribe spoken language into text and includes language identification capabilities, allowing the system to detect whether the caller is speaking French or English.
Respond in the callers ' own language:
Service: Text to Speech
Reasoning: The Text to Speech service can convert text responses into spoken language in the detected language (French or English), enabling the system to respond to callers in their own language.
Ordered Mapping:
Detect the incoming language: Speech to Text
Respond in the callers ' own language: Text to Speech
Box 1: Text Analytics
The Language Detection feature of the Azure Text Analytics REST API evaluates text input for each document and returns language identifiers with a score that indicates the strength of the analysis.
Box 2: Translator
Translator is a cloud-based neural machine translation service that is part of the Azure Cognitive Services family of REST APIs. Translator can be used with any operating system and powers many Microsoft products and services used by thousands of businesses worldwide to perform language translation and other language- related operations.
Reference:
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/how-tos/text-analytics-how-to-language-detection
https://docs.microsoft.com/en-us/azure/cognitive-services/translator/translator-overview
次の図に示すように、Microsoft Bot Framework Composer を使用して構築されたボットがあります。
ドロップダウン メニュー 10 を使用して、グラフィックに表示された情報に基づいて各ステートメントを完成させる回答の選択肢を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
ドロップダウン メニュー 10 を使用して、グラフィックに表示された情報に基づいて各ステートメントを完成させる回答の選択肢を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正確答案:
Explanation:
Comprehensive Detailed Explanation
Looking at the exhibit:
The GetWeather dialog is set up with a trigger phrase:
"what is the weather like in {city=Seattle}"
Here, city is an entity (ex: Seattle, New York, London, etc.).
1. User asks "what is the weather like in New York"
Since "New York" matches the city entity, the bot will correctly identify New York as a city entity.
It will not confuse it with a state entity, nor default to Seattle, because entity recognition extracts the correct city name dynamically.
Correct choice: Identify New York as a city entity
2. GetWeather dialog trigger
In Bot Framework Composer, the trigger type determines how the dialog is activated.
Since GetWeather is linked to the intent "GetWeather" from the Language Understanding model (LUIS
/CLU), the trigger is Language Understanding Intent recognized.
This means whenever the user utterance maps to the GetWeather intent, the dialog starts.
Correct choice: Language Understanding Intent recognized
The answer:
Identify New York as a city entity
Language Understanding Intent recognized
Microsoft References
Bot Framework Composer - Triggers
Entities in Conversational Language Understanding
Resource1 という名前の Azure Al Speech サービス リソースがあります。
次の Python コードを実行して Resource1 を呼び出します。
以下の各文について、正しい場合は「はい」を選択してください。そうでない場合は「いいえ」を選択してください。
注意: 正しい選択ごとにポイントが加算されます。
次の Python コードを実行して Resource1 を呼び出します。
以下の各文について、正しい場合は「はい」を選択してください。そうでない場合は「いいえ」を選択してください。
注意: 正しい選択ごとにポイントが加算されます。
正確答案:
Explanation:
The code creates a SpeechConfig and an AudioOutputConfig with filename= " path/to/file.wav " , then constructs a SpeechSynthesizer and calls speak_text_async(input) .
Existing file behavior: AudioOutputConfig with a filename directs synthesis output to that file path; the documentation emphasizes that it specifies the output file and that the parent directory must already exist. It does not require a unique filename (i.e., it does not fail purely because a file exists). In practice, the SDK writes to the specified path. Therefore, the statement claiming failure if a file already exists is No.
Voice source: The filename in AudioOutputConfig is output, not input. To choose a voice, you set speech_config.speech_synthesis_voice_name or use SSML; the WAV file isn't "sampled" to create a voice.
Hence this statement is No. Microsoft Learn
File generation: Using AudioOutputConfig(filename=...) with SpeechSynthesizer and speak_text_async(...) writes synthesized audio to that file. Many samples show the same pattern (often with .get() to wait for completion). So the function's purpose is to generate an audio file from the input text-Yes.
Note: In production, call .get() (or await) on speak_text_async(...) so the program waits for synthesis to complete before exiting. Microsoft Learn References (Microsoft Azure AI Speech) How to synthesize speech from text (create AudioOutputConfig to write to a file; synthesize with speak_text_async ).
Python AudioConfig class (audio output can be a speaker, audio file (WAV), or stream). Microsoft Learn NET AudioConfig.FromWavFileOutput (specifies output file; parent directory must already exist).
Microsoft Learn
Azure Q & A example (Python: speak_text_async(...).get() usage). Microsoft Learn
Microsoft Foundry Agent Service を使用してエージェントを構築しています。
エージェントが過去90日間に公開された一般公開データにアクセスできることを確認する必要があります。
コードをどのように完成させればよいでしょうか？回答するには、回答欄で適切な選択肢を選んでください。
注：正解ごとに1ポイントが加算されます。
エージェントが過去90日間に公開された一般公開データにアクセスできることを確認する必要があります。
コードをどのように完成させればよいでしょうか？回答するには、回答欄で適切な選択肢を選んでください。
注：正解ごとに1ポイントが加算されます。
正確答案:
Explanation:
ソーシャル メディア メッセージング アプリを構築しています。
メッセージで使用されている言語をリアルタイムで識別する必要があります。
メッセージで使用されている言語をリアルタイムで識別する必要があります。
正確答案: A
說明：（僅 Fast2test 成員可見）
アンケートの感情分析結果を用いてカスタマーサービススタッフのボーナスを計算するAIソリューションを構築しています。このソリューションがMicrosoftの責任あるAI原則を満たしていることを確認する必要があります。どうすればよいでしょうか？
正確答案: A
說明：（僅 Fast2test 成員可見）
米国西部 Azure リージョンでホストされている contoso1 という名前の Computer Vision リソースがあります。
スマート クロッピング機能を使用して製品写真のサイズを変更するには、contoso1 を使用する必要があります。
API URL はどのように入力すればよいですか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
スマート クロッピング機能を使用して製品写真のサイズを変更するには、contoso1 を使用する必要があります。
API URL はどのように入力すればよいですか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正確答案:
Explanation:
You have a Computer Vision resource named contoso1 in West US region.
You must use this resource to resize an image using smart cropping.
Let's analyze the key points:
Endpoint
Each Azure AI service resource has a regional endpoint.
Since the resource name is contoso1 and is deployed in West US, the correct endpoint will be:
https: //contoso1.cognitiveservices.azure.com
The older projectoxford.ai and generic westus.api.cognitive.microsoft.com are legacy endpoints and are not recommended.
Therefore, the correct choice is https://contoso1.cognitiveservices.azure.com.
API Method
The task is to generate a different size of a product photo with smart cropping.
This is done using the Generate Thumbnail API in Computer Vision.
The path for this is: /vision/v3.1/generateThumbnail
Other options like detect (for object detection) or areaOfInterest (for finding regions of interest) do not generate thumbnails.
あなたは、公開されているWebサイトからのビデオとテキストを処理する新しい販売システムを開発しています。
販売システムを監視して、ユーザーの場所や経歴に関係なく、公平な結果が得られることを確認する予定です。
監視要件を満たすためのガイダンスを提供する2つの責任あるAI原則はどれですか？それぞれの正解は、解決策の一部を示しています。（2つ選択してください。）注：正しい選択はそれぞれ1ポイントの価値があります。
販売システムを監視して、ユーザーの場所や経歴に関係なく、公平な結果が得られることを確認する予定です。
監視要件を満たすためのガイダンスを提供する2つの責任あるAI原則はどれですか？それぞれの正解は、解決策の一部を示しています。（2つ選択してください。）注：正しい選択はそれぞれ1ポイントの価値があります。
正確答案: B,D
說明：（僅 Fast2test 成員可見）
iOS アプリで使用されるモデルを構築しています。
猫と犬の画像があります。それぞれの画像には猫か犬のどちらかが写っています。
画像が猫か犬かを検出するには、Custom Vision サービスを使用する必要があります。
Custom Vision ポータルでプロジェクトをどのように構成すればよいですか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
猫と犬の画像があります。それぞれの画像には猫か犬のどちらかが写っています。
画像が猫か犬かを検出するには、Custom Vision サービスを使用する必要があります。
Custom Vision ポータルでプロジェクトをどのように構成すればよいですか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正確答案:
Explanation:
Box 1: Classification
Box 2: Multiclass
A multiclass classification project is for classifying images into a set of tags, or target labels. An image can be assigned to one tag only.
Box 3: General
General: Optimized for a broad range of image classification tasks. If none of the other specific domains are appropriate, or if you ' re unsure of which domain to choose, select one of the General domains.
Reference:
https://cran.r-project.org/web/packages/AzureVision/vignettes/customvision.html
食品用の段ボール包装を生産する工場を経営しています。工場のインターネット接続は断続的です。
パッケージには各製品のサンプルを 4 つ含める必要があります。
パッケージの欠陥を識別し、オペレーターに欠陥の位置を提供するカスタムビジョンモデルを構築する必要があります。このモデルは、各パッケージに4つの製品が含まれていることを確認する必要があります。
どのプロジェクトタイプとドメインを使用すべきでしょうか？ 適切なオプションを正しいターゲットにドラッグして回答してください。各オプションは1回、複数回、または全く使用しない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。注：正しい選択ごとに1ポイントが加算されます。
パッケージには各製品のサンプルを 4 つ含める必要があります。
パッケージの欠陥を識別し、オペレーターに欠陥の位置を提供するカスタムビジョンモデルを構築する必要があります。このモデルは、各パッケージに4つの製品が含まれていることを確認する必要があります。
どのプロジェクトタイプとドメインを使用すべきでしょうか？ 適切なオプションを正しいターゲットにドラッグして回答してください。各オプションは1回、複数回、または全く使用しない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。注：正しい選択ごとに1ポイントが加算されます。
正確答案:
Explanation:
Project type: Object detection
Domain: General (compact)
The scenario requires building a Custom Vision model for a factory with intermittent internet connectivity.
The solution must:
Detect defects in packaging
Locate the defects (provide bounding box information)
Ensure each package contains four products
Support offline use due to intermittent connectivity
Step 1 - Determine Project Type
Image Classification: Assigns a label to an image, but cannot locate where objects/defects are in the image.
Object Detection: Identifies what objects are present and their location (via bounding boxes).
Since the requirement is to identify location of defects and count products, the correct choice is Object detection.
Step 2 - Determine Domain
General domain: Standard general-purpose domain, optimized for cloud inference.
General (compact) domain: A lightweight version designed for exporting models to run offline on edge devices (iOS, Android, ONNX, etc.). Perfect for scenarios with intermittent internet connectivity.
Food domain: Specialized for food image classification, not defect detection in packaging.
Logo domain: Specialized for logo recognition, irrelevant here.
Since the requirement includes offline capability, the correct domain is General (compact).
The answer:
Project type: Object detection
Domain: General (compact)
Microsoft References
Custom Vision project types: Classification vs Object detection
Domains in Custom Vision (General, General compact, Food, Logo, etc.)
Exporting compact models for offline use
PDF 形式で保存されている人事 (HR) ポリシーに関する質問に答えるソリューションを設計しています。
特定の質問に対して、毎回同じ回答が返されることを保証する必要があります。ソリューションは開発労力を最小限に抑える必要があります。ソリューションにはどのサービスを含めるべきですか？
特定の質問に対して、毎回同じ回答が返されることを保証する必要があります。ソリューションは開発労力を最小限に抑える必要があります。ソリューションにはどのサービスを含めるべきですか？
正確答案: C
說明：（僅 Fast2test 成員可見）